Processamento de linguagem natural em segurança e meio ambiente: uma revisão de literatura.

• Autor(a) principal: DOMINGUES, Rodrigo Petrus.
• Data de Publicação: 2020
• Outros Autores: PEREIRA, Valdecy., MOREIRA, Douglas., PROTTES, Verônica de Miranda.
• Tipo de documento: Artigo de conferência
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/32253
• topic: Engenharia de Produção.; Processamento de linguagem natural; Inteligência artificial; Revisão de literatura; Linguagem natural; Algoritmos de inteligência artificial; Segurança - processamento de linguagem natural; Meio ambiente - processamento de linguagem natural; Saúde - processamento de linguagem natural; Word embeddings; Algoritmo K-means; Natural Language Processing; Artificial intelligence; Literature review; Natural language; Artificial intelligence algorithms; Security - natural language processing; Environment - natural language processing; Health - natural language processing; Word embeddings; K-means algorithm

Em virtude das lacunas existentes nas políticas de segurança ao longo das últimas décadas, o índice de acidentes nas empresas ao redor do mundo manteve-se elevado implicando em perdas humanas e ambientais sem mensuração. Por outro lado, a facilidade de acesso de informações não estruturadas em formato digital, em conjunto com o desenvolvimento de algoritmos de Inteligência Artificial, tais como o Processamento de Linguagem Natural (PLN), permitiu sistematizar a análise de um volume substancial de informações tirando vantagem do grande poder de processamento dos computadores atuais. Desta forma, este trabalho realizou uma breve revisão de literatura sobre área de Segurança, Meio Ambiente e Saúde (SMS), em conjunto com as ferramentas de PLN e como estas vem sendo empregadas de acordo com o estado da arte. Neste artigo, foi proposto um método para realizar a revisão de literatura deste tema através de PLN, com o desenvolvimento de algoritmo capaz de separar diferentes artigos (dentre um universo de 300 artigos) em agrupamentos semânticos através de técnicas de word embeddings (doc2vec). Em seguida, vinte artigos foram selecionados - amostragem por conveniência e relevância - para análise, permitindo assim identificar lacunas para mitigar questões referentes ao SMS. Por fim, a metodologia apresentou resultados satisfatórios, contudo são extremamente dependentes da quantidade e qualidade dos dados, destacando-se ainda que tanto a utilização quanto a acurácia destes modelos aumentou significativamente na análise de fatores de Segurança, Meio Ambiente e Saúde, à medida em que novas técnicas (ou combinações) destas são criadas e implementadas.